Есть стереотип, что в Data Science приходят только программисты, которые с первого курса пишут код по 16 часов в сутки. Из-за этого сильные специалисты из других сфер: инженеры, финансисты, медики, маркетологи — иногда сомневаются и думают: «Куда мне на Физтех, у меня же совсем другой бэкграунд...»
❗️Data Science как раз часто работает на стыке профессий. Данные приходят из разных сфер: промышленности, финансов, медицины, маркетинга. Поэтому прошлый опыт не обнуляется, а становится преимуществом: инженер, финансист или врач лучше понимает, где в его области есть реальная задача для ML, какие данные важны и как результат можно применить на практике.
Вот как это работает в разных сферах.
👷♂️ В промышленности: от оборудования — к умным алгоритмам
Например, на производстве модель может анализировать данные с датчиков: температуру, давление, вибрацию — и заранее замечать признаки будущей поломки оборудования.
Наш выпускник Даврон до магистратуры занимался программированием промышленных контроллеров. Когда в работе он столкнулся с элементами ML, решил сменить траекторию и глубже разобраться в машинном обучении.
В МФТИ Даврон выбрал формат «стартап как диплом» и вместе с командой работал над платформой Kit Folly для детских садов и семей.
По работе сталкивался с ML и решил кардинально сменить направление в области ML. И мне это удалось. Во многом — именно благодаря магистратуре
— рассказывает он.
Сейчас Даврон работает NLP-инженером в крупной телеком-компании.
⚡️ В финансах: от интуиции — к точным моделям
В финансах и бизнесе алгоритмы помогают, например, находить подозрительные операции, прогнозировать просрочки по кредитам и оценивать долговую нагрузку компаний.
Наш студент Святослав Попов всегда любил математику, но в начале обучения столкнулся с другим вызовом — нужно было перестроить мышление и научиться думать «как айтишник».
Наверное, начинать думать как айтишник, то есть перепрограммировать свой мозг, думать как компьютер в начале обучения было труднее всего
— рассказывает он.
В дипломной работе Святослав прогнозировал коэффициент финансового рычага через графовые эмбеддинги — работал с задачей на стыке математики, данных и финансовой устойчивости компаний.
🏥 В медицине: от снимков КТ — к помощи в диагностике
Например, у врача за день десятки снимков КТ. Модель может заранее отметить участки, похожие на опухолевые изменения, и помочь быстрее разобрать поток исследований.
Но для этого мало просто обучить алгоритм: нужно понимать, какие признаки важны для диагностики, где высока цена ошибки и что врач будет делать с результатом.
В онлайн-магистратуре МФТИ «Науки о данных» студенты получают фундаментальную базу, практику на кейсах и возможность применять ML-инструменты к задачам из разных сфер.
Как говорит Даврон:
В нынешней работе практически каждый предмет мне пригождается
💬 Если вы не уверены, хватит ли вам технической базы, или не знаете, как связать текущую профессию с миром данных, это можно обсудить на бесплатной консультации.
👉 Запишитесь на бесплатную консультацию на сайте: https://mipt.online/masters/data_science